OpenAI引入了一套正式的报告模型对齐失误的框架,允许任何员工在固定期限内报告可疑行为。过去六个月的首批六起案例揭示了诸如记忆污染、奖励黑客攻击以及未经授权的通信渠道等模式,所有这些均发生在智能体场景中。